A kiskereskedelem olyan ágazat, amelyben az AI két szinten fészkeli be magát egyszerre. Az egyik oldalon a nagy, látható rendszerek állnak: készletelőrejelzések, árazásoptimalizálás, ajánlómotorok a webshopon, chatbotok az ügyfélszolgálaton. Ezek általában ismertek az IT és a beszerzés számára, mivel valahol beszerezték és bevezették őket. A másik oldalon egy sokkal diffúzabb terep húzódik: egyéni munkavállalók az üzletben, a marketingben vagy a beszerzésben, akik AI-eszközt használnak termékleírások megírására, ügyfélkérdések megválaszolására, kampányképek generálására vagy versenytárs-árak lekérdezésére. Ez a második réteg általában nagyobb, mint az első, egyszerűen azért, mert egy ingyenes vagy olcsó eszköz kipróbálásának küszöbe alacsony, és a hatás azonnal érzékelhető: gyorsabban elkészül egy hirdetésszöveg, gyorsabban jön egy válasz egy panaszra.
Ehhez hozzájárul, hogy a kiskereskedelem gyakran sok ideiglenes és rugalmas munkavállalóval dolgozik, több telephelyen vagy csatornán szétszórva. Ez megnehezíti, hogy egyetlen központi áttekintés legyen arról, ki milyen eszközöket használ, és miért. A központi iroda tiszta szabályzattal rendelkezhet a saját maga által beszerzett rendszerekre vonatkozóan, míg telephelyi szinten vagy egy webshop-csapaton belül olyan AI-alkalmazások keletkeznek, amelyeket sehol sem regisztráltak. A központilag jóváhagyott és a lokálisan keletkezett eszközök aránya ebben az ágazatban jellemzően ferde: a hivatalosan beszerzett rendszerek száma korlátozott, az egyéni alkalmazásoké, amelyeket a munkavállalók maguk kezdtek használni, jellemzően jóval nagyobb.
Az árnyék-AI kifejezés technikaian hangzik, de a kiskereskedelemben nagyon gyakorlatias: ez az az eszköz, amelyet egy marketingmunkatárs használ social media posztok generálására, az a chatbot, amelyet egy ügyfélszolgálati csapat saját maga konfigurált, vagy az az AI-modell, amelyet vélemények elemzésére vetnek be anélkül, hogy azt az IT vagy a jogi osztály bármikor megvizsgálta volna. Ez ritkán gondatlanságból történik. Azért történik, mert az eszközök hozzáférhetők, mert nagy a nyomás a gyorsaságra, és mert senki nem mondta ki egyértelműen, hogy ez nem megengedett.
Az IT jóváhagyott szoftverlistája ezért hiányos képet ad. Aki teljes képet akar, annak magukat az embereket kell megkérdeznie. Ez csak akkor működik, ha ezt a kérdést következmények nélkül teszik fel. Amint a munkavállalók azt gyanítják, hogy az AI-használat bejelentése korrekcióhoz vagy tiltáshoz vezet, az információ ismét eltűnik a látótérből, és a használat magánkészülékekre vagy személyes fiókokra tolódik el. Egy leltár, amely a felelősségre vonás kizárásával kezdődik, más típusú válaszokat hoz, mint egy audit, amely a szabálysértések keresésével kezdődik.
Egy AI-eszköz, amely termékleírásokat ír át, más hatással jár, mint egy rendszer, amely a kereslet és a verseny alapján automatikusan árakat módosít, vagy egy eszköz, amely ügyféladatokat használ ajánlásokhoz. A kiskereskedelemben ezért fontos a szerep és a kockázati szint szerinti osztályozás: egy segédeszközről van szó, egy döntéseket előkészítő rendszerről, vagy egy olyan rendszerről, amely önállóan hoz olyan döntéseket, amelyek közvetlenül érintik az ügyfeleket, mint a dinamikus árazás vagy az áruvisszavétel automatizált elutasítása? Ez a besorolás határozza meg, milyen szintű felügyelet és dokumentáció logikus, és mely rendszerek igényelnek vezetőségi vagy kockázatkezelési figyelmet, és melyek kezelhetők egy csapaton belül.
A kiskereskedelmi vállalatok jellemzően már rendelkeznek kockázatstruktúrákkal olyan témákra, mint a termékbiztonság, az ügyféladatokra vonatkozó adatvédelmi jogszabályok vagy az árazással kapcsolatos pénzügyi kontroll. Az AI-kormányzásnak nem kell külön, új folyamatnak lennie ezek mellett. Jobban működik, ha az AI-használat leltárba vétele meglévő kockázati kategóriákhoz kapcsolódik, úgy, hogy egy ügyféladatokat feldolgozó rendszert ugyanazon a csatornán értékelnek, mint más adatvédelem-érzékeny folyamatokat, és egy árazási algoritmus ugyanazon a vonalon halad át, mint más kereskedelmileg érzékeny döntések. Az AI-rendszerekre vonatkozó aktuális szabályozás változik; a pontos kötelezettségek és határidők másutt vannak leírva. Amire itt szükség van, az a mechanizmus: tudni, mi van használatban, tudni, ki használja, és tudni, milyen kockázatos, mielőtt külső indíttatás lenne annak feltárására.
A kihívások ágazatonként eltérnek, még ha az alapul szolgáló mechanizmus hasonló is. Aki össze akarja hasonlítani, hogy ez hogyan alakul egy erős ügyfélkapcsolatokkal és rugalmas munkaerővel jellemezhető ágazatban, azt megtalálja az AI-kormányzás a vendéglátásban leírásában, míg egy erős ellátási lánc-függőségekkel és fizikai folyamatokkal jellemezhető ágazatot az AI-kormányzás a mezőgazdasági ágazatban elemzés tárgyal. Azoknak a szervezeteknek, amelyek maguk fejlesztenek vagy szereznek be sok szoftvert, az AI-kormányzás az IKT-ágazatban áttekintése releváns, és aki erősen szabályozott ügyféladatokkal dolgozik, összehasonlítást tehet az AI-kormányzás a pénzügyi szolgáltatásokban leírásával.
Egy AI-használati leltár megmutatja, mi van használatban és ki használja, de még nem ad választ arra a kérdésre, hogy ez mit jelent a munka magának a felépítésére. A kiskereskedelemben, ahol a feladatok gyakran rutinszerűek és jól körülhatárolhatók — az ügyfélkérdések megválaszolásától a termékszövegek megírásáig — ez a következő kérdés valós. Az FTE TO AI munkaszkennelése feladatonként kiszámítja, hogy a munka mekkora része vehető át AI által, azon feladatok alapján, ahogyan azokat tényszerűen végzik. Ahol a Responsible AI Scan feltárja, mi történik és milyen kockázati szint alá tartozik, a munkaszkennelés a munka megszervezésének perspektíváját nyújtja: mely feladatok alkalmasak az átvételre, és milyen mértékben.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.